Ejecuta un plan de implementación pre-escrito en orden disciplinado, deteniéndose en puntos de control definidos para verificar supuestos antes de avanzar. Esta habilidad previene el patrón común de desviarse del plan silenciosamente cuando la realidad prueba que está equivocado, y crea oportunidades naturales de corregir el rumbo antes de que errores pequeños se compounding en rework grande.
Casos de uso
- Siguiendo una especificación escrita por un arquitecto o ingeniero senior que no está disponible para preguntas diarias
- Implementando una funcionalidad multi-paso donde cada fase depende del output de la fase anterior
- Trabajando a través de un refactor complejo con un orden de pasos documentado que no debe ser reorganizado
- Ejecutando un sprint donde el equipo está ejecutando un plan producido durante sprint planning
- Enseñando a un agente de IA a implementar una funcionalidad proporcionando un plan que el agente luego sigue
Funciones principales
- Re-lee el plan contra el estado actual del repositorio antes de empezar, anotando cualquier cambio desde que el plan fue escrito
- Implementa un paso a la vez, haciendo commits pequeños y enfocados que correspondan a cada item del plan
- En cada punto de control, pausa para verificar que el output coincide con los criterios de salida del plan antes de proceder al siguiente paso
- Registra cualquier desviación del plan en un comentario breve o enmienda de plan para que el registro refleje qué realmente pasó
- Después del paso final, verifica el estado final contra los criterios de aceptación generales del plan y surface cualquier brecha
Relacionados
Relacionados
3 Entradas indexadas
Writing implementation plans
Convierte requisitos vagos o estancados en planes de implementación precisos con pasos definidos, puntos de contacto por archivo, puntos de control de decisión y criterios de aceptación verificables antes de escribir cualquier código. Esto cierra la brecha entre lo que los interesados quieren y lo que los ingenieros realmente pueden entregar, reduciendo sorpresas a mitad de sprint y refactorizaciones desperdiciadas.
RAG implementation
Construye pipelines de retrieval-augmented generation que fundamentan las respuestas del modelo en tus propios documentos en lugar de conocimiento genérico de training. Una implementación de RAG cubre ingestión de documentos, chunking semántico, embedding, almacenamiento vectorial, búsqueda híbrida, reranking y síntesis de respuesta: para que los asistentes respondan desde tus datos con fuentes citadas.
Designing with LLM structured outputs
Define esquemas, activa el modo de salida estructurada que documente tu proveedor, valida siempre en servidor y trata los rechazos como eventos de primera clase—fundamental cuando los regex sobre texto libre son demasiado frágiles en producción.